Type de document : Rapport de l’Université de Bologne
Auteurs : Stefano Benni, Marco Bovo, Miki Agrusti, Mattia Ceccarelli, Alberto Barbaresi, Daniele Torreggiani, Patrizia Tassinari
Résumé en français (traduction) : Enseignements sur l’emploi des big data en élevage bovin laitier : Focus sur la détection du stress thermique
Ce rapport donne un aperçu des stratégies de gestion et d’analyse des données développées dans le cadre du projet européen EIT Food DairySust « Big data et analyse avancée pour la gestion durable du secteur des bovins laitiers ». L’ambition principale de ce projet est d’améliorer la durabilité et le bien-être animal, en plus de la productivité, dans l’élevage laitier, grâce à l’analyse avancée des données pour chacune des parties prenantes. Une bonne gestion des données, en termes d’acquisition, de traitement, d’harmonisation et d’imputation, est nécessaire pour une bonne modélisation en vue d’un diagnostic précoce et pour l’identification de stratégies de prévention optimales, en particulier dans les domaines où la surveillance peut permettre de collecter des données très hétérogènes, et pour lesquelles des protocoles consensuels n’ont pas encore été normalisés. Le projet a étudié l' »écosystème » de données et les stratégies d’application permettant de partager les ressources informatiques et les informations de manière sûre et organique. Cette recherche a d’abord développé un écosystème informatique optimal basé sur l’intégration et l’harmonisation de types de données hétérogènes. Des stratégies de modélisation classiques et avancées ont été utilisées et comparées. Les résultats permettent de fournir aux parties prenantes un processus décisionnel amélioré en matière de bien-être animal et de durabilité de la production. Ce rapport se concentre sur la mise en œuvre d’un modèle numérique pour l’évaluation de l’impact du stress thermique sur la production laitière et fournit un retour d’expérience à ce sujet.
Résumé en anglais (original) : This report provides an overview of the strategies for data management and data analysis developed within the EU project EIT Food DairySust “Big data and advanced analytics for sustainable management of the dairy cattle sector”. The main ambition of this project is to improve sustainability and animal welfare, besides productivity, in dairy farming, through advanced data analytics for every level of stakeholders. Good data management, in terms of acquisition, processing, harmonization and imputation, is required for good modelling for early diagnosis and for the identification of optimal prevention strategies, particularly in fields where monitoring can collect very heterogeneous data, and for which agreed protocols have not yet been standardized. The project investigated the “ecosystem” of data and application strategies for sharing computer resources and information in a secure and organic manner. This research first developed an optimal computational ecosystem based on the integration and harmonization of heterogeneous data types. Classical and advanced modelling strategies were used and compared. The results are suitable to provide the stakeholders with improved decision-making process about animal welfare and sustainability of the production. This report focuses on the implementation of a numerical model for the assessment of the impact of heat stress on milk production and provides a feedback on it.
